Soutien aux survivants du cancer par les infirmières en oncologie, du diagnostic de la maladie jusqu’au congé de l’hôpital : cas exemplaire
Bibliographic record
Abstract
Le présent article résume l’atelier du groupe d’intérêt spécial sur la survivance qui s’est tenu lors de la conférence annuelle de 2023 de l’ACIO. Cet atelier visait à souligner, à l’aide d’un cas exemplaire, les besoins particuliers de la personne atteinte du cancer tout au long de la trajectoire de la maladie. Il visait aussi à aider l’infirmière en oncologie à mieux connaître les stratégies de soutien à l’autogestion susceptibles d’aider le patient à calmer ses inquiétudes liées à la survie. Au cours d’une discussion avec les participants à cet atelier, on a montré comment ces stratégies pouvaient aider à combler les besoins particuliers du patient à trois étapes précises de la lutte contre le cancer : la chirurgie, la chimiothérapie et la transition vers les soins primaires. Quatre-vingt-treize pour cent des participants ont reconnu que l’atelier leur avait permis de mieux comprendre la question de la survivance. Les participants ont aussi affirmé que l’atelier avait eu un effet positif sur leur pratique; cela leur avait permis d’apprendre de nouvelles stratégies pour appuyer les patients durant les étapes de transition et les avait incités à intégrer rapidement à leur pratique le soutien à l’autogestion par les patients. Mots-clés : survie au cancer, soins infirmiers en oncologie, soutien à l’autogestion, atelier, information
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".